De meeste viervoetige robots zijn getraind om hun evenwicht te hervinden als ze over een obstakel struikelen. Om een schoonmaakrobot te ontwikkelen, trainen de in Vietnam geboren promovenda Joanne Truong van de School of Interactive Computing van het Georgia Institute of Technology (GIT) en haar twee collega's Naoki Yokoyama en Simar Kareer hun robot om over rommelige voorwerpen heen te stappen die hij in huis tegenkomt, meldde Tech Xplore onlangs.
(Van links) Naoki Yokoyama, Joanne Truong en Simar Kareer werken met de viervoetige robot
Volgens het onderzoeksteam reageren viervoetige robots met ‘blinde’ bewegingscontrollers sterker om te voorkomen dat ze vallen als ze op een object stappen.
Ondertussen paste het onderzoeksteam een nieuwe aanpak toe, waarbij livebeelden werden getoond waarmee de robot over obstakels kon stappen. Dit gebeurde door het navigatiebeleid te combineren met het beeldgebaseerde voortbewegingsbeleid. Deze aanpak hielp de robot om over obstakels te stappen in een gesimuleerde, rommelige omgeving met een succespercentage tot wel 72,6%.
De robot kan zelfstandig leren en imiteert geen bestaande gedragspatronen. De onderzoekers zeggen dat dit een schaalbaar model is dat direct kan worden toegepast zonder al te veel finetuning. De regels instrueren de robot hoe hij objecten moet vermijden terwijl hij van de ene naar de andere plek beweegt en hoe hij zijn benen moet gebruiken om over objecten heen te stappen, inclusief hoe hij zijn benen naar de juiste hoogte moet tillen.
'Robothond' overwint lange, hobbelige wegen zonder te vallen
Volgens het team kunnen conventionele viervoeters alleen de echte wereld zien via een camera voor zich en kunnen ze geen objecten in de buurt van hun voeten zien. Het team integreerde geheugen en ruimtelijk inzicht in het netwerk om de robot precies te leren wanneer en waar hij over obstakels moest stappen. Als het object te hoog was, kon de robot eromheen. "We ontdekten dat deze methode zeer goed navigeerde, en zelfs als de robot de verkeerde kant op ging, wist hij dat hij achteruit kon rijden en terug kon keren naar zijn oorspronkelijke positie", aldus Truong. Het team leerde de robot ook over welke objecten hij heen moest stappen, zoals speelgoed, en welke objecten hij moest omzeilen, zoals tafels en stoelen.
De bevindingen van het team kunnen robots ook helpen bij het navigeren in echte buitenomgevingen, waarbij ze hun routes kiezen op basis van de wens van hun eigenaren om modderig of rotsachtig terrein te vermijden.
Het onderzoek won de eerste prijs tijdens een roboticaworkshop tijdens de Robotics 2022 Conference in Nieuw-Zeeland. Het onderzoek wordt gepresenteerd op de IEEE International Conference on Robotics and Automation in Londen, van 29 mei tot en met 2 juni.
Bronlink
Reactie (0)